マクロ平均とマイクロ平均とは
マクロ平均（Macro Average）とマイクロ平均（Micro Average）とは、多クラス分類タスクにおいて、各クラスの評価指標を一つの値に集約する方法です。集約の方法によってモデルの異なる側面を捉えるため、目的に応じた使い分けが重要です。
マクロ平均の仕組み
マクロ平均は、各クラスの指標（適合率、再現率、F1スコアなど）を単純に算術平均します。すべてのクラスを平等に扱うため、少数クラスの性能も同じ重みで反映されます。クラス不均衡がある場合、少数クラスの性能が全体の評価に大きく影響するため、少数クラスの重要性が高いタスクに適しています。
マイクロ平均の仕組み
マイクロ平均は、全クラスのTP、FP、FNを合算してから指標を計算します。サンプル数の多いクラスの影響が大きくなるため、全体的な正解率に近い値を示します。全サンプルを平等に扱いたい場合に適しています。二値分類では、マイクロ平均のF1スコアは全体の精度（Accuracy）と一致します。
使い分けの指針
少数クラスの性能を重視したい場合はマクロ平均を、全体的な性能を見たい場合はマイクロ平均を使用します。また、加重平均（Weighted Average）は各クラスのサンプル数で重み付けした平均であり、データの分布を反映した指標として実務でよく使われます。